[發明專利]燃煤電站鍋爐飛灰含碳量預測模型構建方法及系統

在審

• 申請號: 201610821740.0
• 申請日: 2016-09-13
• 公開（公告）號: CN106649919A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 丁承剛;王景成;陸晶;石偉晶;郭士義;陸良樑;王博輝;袁景淇
• 申請（專利權）人: 上海電氣電站環保工程有限公司;上海交通大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q10/04
• 代理公司: 上海漢聲知識產權代理有限公司31236
• 代理人: 徐紅銀,郭國中

技術領域

本發明涉及一種電站鍋爐燃燒系統，具體地，涉及一種燃煤電站鍋爐飛灰含碳量預測模型構建方法及系統。

背景技術

為了實現電站鍋爐燃燒系統優化控制的目標，第一步是要對鍋爐的燃燒實際情況給出真實及時合理的評估。其中關鍵是要對鍋爐燃燒性的關鍵參變量在線預測。自改革開放以來，我國電力行業熱工自動化水平有了極大的提高，但由于測量技術的限制以及測量系統的不可靠、不準確和不實時，因而電站鍋爐系統的一些關鍵參變量還沒有能實現在線測量。

飛灰含碳量是鍋爐經濟運行的重要指標。根據檢測方法的實時性進行分類，可以分為離線檢測和在線檢測。離線測量技術方面，燃燒法是最常用的一種方法，通過對飛灰樣品的燃燒，根據前后兩次的重量變化，從而計算得到飛灰含碳量的水平。但是這種方法無法滿足實時性的要求。因而實現在線測量飛灰含碳量面臨著一些技術困難，主要原因有以下兩點：第一，為了精確測量飛灰含碳量水平，最重要的是要得到入爐煤的煤質數據，但實際情況是很多電站無法在線測量這些數據，從而使得精確性得不到提高。同時我國燃煤電站由于地域因素用煤的煤質波動較大，給飛灰含碳量在線計算帶來了困難；第二，一些關鍵的測量值由于儀器損壞或者故障等原因使得在線測量值不能得到真實的數據。

經檢索，公開號為102778538A、申請號為201210234724.3的中國發明申請，公開了一種基于改進支持向量機的鍋爐飛灰含碳量軟測量方法，該方法基于粒子群算法對支持向量回歸進行參數尋優，選取了影響回歸模型有效性的兩個參數，首先通過傳感器采集相關輔助變量的值，并進行數據預處理，根據過去6小時的歷史數據辨識出支持向量回歸模型的兩個主要參數以確定飛灰含碳量軟測量模型，并根據歷史數據的更新每小時更新一次軟測量模型，將實時測量的輔助變量值輸入建立好的軟測量模型即可得到飛灰含碳量輸出值。

上述專利是針對飛灰含碳量在線監測提出的，但是其選取了支持向量回歸的方式選擇影響回歸模型的有效參數，某些程度上會導致過分依賴歷史數據易造成模型適應度差等問題。

因此如何解決以上問題實現飛灰含碳量在線監測對鍋爐燃燒狀況進行實時評估是十分重要的。

發明內容

針對現有技術中的缺陷/之一，本發明的目的之一是提供一種精度較高的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，相較于傳統的機理模型提升了建模的精度，相較于純黑箱模型有更快的速度。

本發明的目的之二是提供一種燃煤電站鍋爐飛灰含碳量預測模型的構建系統。

根據本發明的第一目的，提供一種燃煤電站鍋爐飛灰含碳量預測模型的構建方法，所述方法包含以下步驟：

S1：獲取燃煤電站鍋爐歷史運行數據，建立離線樣本庫，通過最大相關最小冗余算法篩選飛灰含碳量預測模型的輸入變量和輸出變量；使用模糊C均值聚類算法(FCM)將歷史樣本進行聚類，得到N個子類，計算出N個子類模糊隸屬度函數；

S2：利用每個子類的歷史樣本分別訓練最小二乘支持向量機算法(LSSVM算法)，得到N個以飛灰含碳量為輸出的子模型；

S3：將S1得到的所述模糊隸屬度函數連接S2得到的所述子模型，構建全局模型，即飛灰含碳量預測模型。

進一步的，所述飛灰含碳量預測模型，選取如下變量作為模型輸入變量：

一次風量、一次風壓、二次風量、二次風壓和煙氣含氧量，它們反映了空氣動力場對飛灰含碳量的影響；

爐膛出口溫度和二次風溫反映了溫度的影響因素；

二次風閥門開度反映了配風方式對其的影響；

入爐煤量和鍋爐負荷反映了負荷的影響。

更進一步的，在選取模型輸入變量時考慮燃煤電站鍋爐在低負荷和高負荷和變負荷三種情況。

更進一步的，所述飛灰含碳量預測模型，利用最大相關最小冗余(mRMR)算法分析輸入變量之間以及輸入變量與飛灰含碳量的相關性。

進一步的，所述最小二乘支持向量機算法(LSSVM算法)中，選擇高斯徑向基核函數作為核函數，利用10層交叉驗證網格搜索技術確定核函數中的徑向基核參數和正規化參數。

進一步的，所述飛灰含碳量預測模型，利用平均絕對誤差，均方根誤差作為評價標準指標。